机器学习中的常用编码方式（二）

生信编程日常

发布于 2020-10-10 10:16:42

9130

发布于 2020-10-10 10:16:42

文章被收录于专栏：生物信息学、python、R、linux生物信息学、python、R、linux

1). Count Encoding Count encoding是将分类特征替换为它们的出现次数，比如某个分类中'Peking'出现了10次，那么'Peking'就会被替换为10. 我们可以用categorical-encodings包中的CountEncoder实现。

import category_encoders as ce
features = ['Peking', 'Peking', 'Shanghai', 'Peking', 'Guangzhou', 'Shanghai']
count_enc = ce.CountEncoder()
count_enc.fit_transform(features)

返回（第一列是索引）： 0 3 1 3 2 2 3 3 4 1 5 2

2). Target Encoding target encoding其实就是将分类特征替换为对应目标值的后验概率。比如以下例子：

第三列编码值的计算过程其实很简单，比如说cat出现次数是5次，5次中target是1的次数有2次，因为编码值为0.4 。

import pandas as pd
from category_encoders import TargetEncoder

encoder = TargetEncoder()
df['Encoded Animal '] = encoder.fit_transform(df['Animal'], df['Target'])

参考：https://medium.com/analytics-vidhya/target-encoding-vs-one-hot-encoding-with-simple-examples-276a7e7b3e64

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

如有侵权请联系 cloudcommunity@tencent.com 删除

cat